文摘
在现代经济社会,出国旅游已逐渐成为人们享受生活的一种方式。旅游业的不断发展和变化的游客的消费概念,游客的满意度已经收到越来越多的旅游管理者和经营者。它注重从游客的角度提供旅游产品和服务,满足游客的个性化和多样化的需求。游客满意度已经成为一个重要的指标来衡量旅游目的地旅游业的水平。根据结构方程模型,本文构建了旅游满意度指数分析指数,从而真正有效地探测到旅游满意度指数,它是方便景区发现需要改进的领域,并提高新的景点和景区的服务水平。本文的研究结果表明,(1)没有显著差异的游客满意度不同的性别。的影响因素指标,个人因素没有通过测试。不同年龄的游客满意度的差异不明显,但也有个别因素没有通过显著性检验的影响因素。实际的感知质量,观察指数更大的贡献率第二主成分主要是游客的旅游景点的满意度评价。(2)结构的测试结果equation-based满意度分析模型在本文提出四种模式中最高的。根据误差曲线,可以得出的结论是,日益复杂的数据,对于其他三个模型,评估旅游满意度评价模型的误差变得越来越大,和本文模型的错误提出了基本控制在0.4。因此,可以得出结论,基于结构方程的满意度评价模型可以减少旅游满意度的错误。
1。介绍
随着经济的发展,人们的各种需求已经越来越多的关注,和各种休闲和旅游体验变得越来越多样化。满意度也成为一个重要的参考指标来衡量一个旅游景点的竞争力和发展。本文研究大邱市旅游的游客满意度,提出一个结构方程模型1]。本文试图分析在旅游目的地游客满意度和忠诚度之间的关系(2]。这篇文章的目的是提供先进的分析的两个例子,其中包括一个新的非线性潜变量方法来衡量卫生和游客满意度监视和快乐因素推断因果理论的应用探索满意度的祖先(3]。基于美国顾客满意度指数模型,本文构造了一个旅游满意度的结构方程模型从四个方面:旅游体验,游客感知价值,游客满意度,和游客忠诚4]。美国顾客满意度指数的基础上,本文以阿莫斯(时刻结构分析)和SPSS统计软件为例来测试的有效性和实用性TSRTD(乡村旅游目的地的旅游满意度)模型(5]。本文提出一个框架的“经验值(功能性价值、情境价值、情感价值、认知价值,经济价值),满意度和提供重游和推荐意愿”调查Kangyang山旅游(6]。本文提出了旅游目的地的满意度模型,以桂林为例来研究旅游满意度的原因和后果7]。本文的研究假设包括五个主要因素,导致游客的忠诚,以及一些潜在的变量:企业社会责任,目的地形象,感知价值,游客满意度,旅游投诉8]。分析一个特定的葡萄酒旅游市场在全球范围内的旅游消费行为通过检查酒厂游客的感知9]。使用结构方程模型分析数据,绘制理论和管理影响研究结果的基础上,和未来研究方向提出建议10]。本研究旨在探索地方依恋的预测和测量的地方依恋的影响及其对旅游满意度的预测和未来这个满意度如何影响游客的反省(11]。本文探索性因素分析和结构方程模型的方法是用来提出城市森林旅游者的满意度模型(12]。结构方程建模的基础上,探讨了旅游满意度和目的地忠诚意图之间的关系(13]。本文运用AMOS软件结合结构方程模型来探索旅游满意度的因果关系,得出各影响因素之间的关系和影响因素之间的直接和间接影响,游客满意度14]。本文构建一个假设模型先前的研究文献的基础上,通过现场调查问卷收集数据,建立了结构方程模型对假设检验(15]。在旅游市场上,旅游满意度不同性别之间有明显的区别。有大的差异不同顾客群体的满意度评价分析游客的不同特点从不同维度的数据。结构方程评价方法提出了客观公平和满意度评价与其他方法相比具有更好的表现。
2。建筑的指标和模型结构
2.1。满意度指数模型
美国顾客满意度指数模型是基于总结瑞典客户满意度指数模型,并使用三个观测变量:定制营销质量,质量,可靠性和总体质量测量潜变量的感知质量,和添加一个新的潜变量:感知价值,如图1:
2.2。指标体系的建设
目前,大部分的游客满意度评价体系的建设是基于客户满意度的理论。为了满足国家大众旅游的需求,提高旅游服务的质量,中国旅游研究院已经建造了一个旅游游客满意度调查和评价覆盖所有元素(16]。建设旅游满意度指标体系如表所示1和2:
3所示。结构方程模型分析旅游满意度指标
3.1。结构模型
结构模型描述了潜变量之间的因果关系,和方程表示为20.]
其中, 向量由内在潜变量, 向量由外在潜变量, 是内在的潜在变量的路径系数矩阵, 是外生潜变量的路径系数矩阵,然后呢 是向量组成的剩余条款,反映了不明原因的一部分吗在方程。
测量模型测量结构方程模型的一部分。它是由潜在的变量和相应的观测变量。观察到的变量和潜变量之间的关系表示如下:
影响测量模型的方程如下(21]:
外生潜变量和测量方程的显式变量表示为 表示为一个矩阵(22]
内生潜变量和测量方程的显式变量表示为
游客满意度指数习惯如下:
其中, 是客户满意度的算术平均潜变量 , 客户满意度潜变量得分最低的吗 ,和是客户满意度潜变量得分最高的 。
3.2。分析旅游满意度指数
为了评估旅游满意度指数,本文使用规范化处理原始数据,处理公式是(23]
多重线性加权算法计算游客满意度指数(24]:
计算指标的比例:
系数的区别如下:
确定指标权重:
游客满意度值(25)如下:
4所示。仿真实验
4.1。数据收集
实验进行了一次实证分析游客的满意度与不同属性和满意度的影响因素。游客的属性根据性别和年龄进行比较。游客满意度的数据源提供的数据省级旅游局在2010年第二季度。程度的调查数据,实验是在问卷调查的形式进行的。300问卷分发给公众,270份有效问卷。调查地点覆盖2 5 a级景区和4 a级景区。根据问卷调查的结果,可以发现,有更多的女性比男性游客,占58%。从年龄的角度来看,游客的数量在25至54岁的集团是最大的,占受访者的60%。在教育水平方面,游客的数量与学士学位是最大的,占总数的43.21%。对样本数据进行了描述性统计分析,和具体数据如表所示3。
根据统计数据表4和图2可以看出,游客的满意度没有显著差异不同的性别。的影响因素指标,个人因素没有通过测试和各种各样的商品,餐饮的味道,餐饮的环境,丰富的娱乐活动。有明显的性别差异。的各种各样的商品和娱乐活动的丰富,尤其是商品类型,女性的满意度明显高于男性,和食品和饮料方面的指标,在食物和饮料的口味和环境方面,男人比女人更满意(高度)。
根据统计结果表5和图3从年龄的角度来看,25至54岁的组织最多的游客,占调查的59%,14 - 24岁占27%,55岁以上占14%。可以看出,游客在风景区主要是中青年。不同年龄的游客满意度的差异不明显,但在影响因素的指标,也有个人因素,并没有通过显著性检验。商品类型和餐饮口味,尤其是商品类型,15-24-year-old年龄组的满意度明显高于其他年龄组;在大宗商品价格指数,15-24-year-old年龄组明显更满意。55岁以上年龄组的满意度明显低于25 - 54的年龄组。旅行方便而言,年龄是25 - 54组的满意度相对较高。
4.2。数据分析
根据贡献率,影响游客的满意度,13个评价指标选择进行调查和研究游客的期望的风景区,景区基础设施的感知,和景点特征。由于信息重叠和评价指标之间的相关性,使用主成分分析方法来分析和研究它们。研究结果如表所示6。
根据实验结果表6和图4,我们可以得出这样的结论:第一主成分的贡献率是74.621,主成分的贡献率是16.688,累积贡献率是91.309,和损失的信息量只有9.691,符合要求的主成分分析的信息损失。这表明两个主要组件的选择可以反映游客满意度的评价。评价指标与主成分贡献率最大的容量是1景区(0.90 - 1),景区的卫生(0.906),景区的观赏设施(0.832),景区的自然环境的期望(0.855),景区的综合评价(0.765),社会的风景区,和服务期望(0.761);最大的第二主成分的贡献率是风景优美的景观特性(0.351),景区交通(0.293),风景优美的理想评价(0.281),回顾(0.275),景区门票评价(0.27 4),景区投诉(0.212),和风景区大宗商品价格(0.199)。其中,观察与一个更大的贡献率指标主成分1主要是游客的期望与实际感知质量的旅游景点,和一个更大的贡献率和观察指标主成分2主要是游客对旅游景点的评价。结构变量可以被简化为游客感知质量和游客的满意度。观察到的变量描述游客的感知质量的景区容量风景区,景区的卫生,查看设备的风景区,景区的自然环境的期望,期望社会服务的风景区,景区。总体印象,观测变量指标,描述旅游满意度的结构变量是风景优美的景观特征,景区交通、景区理想的评估,重新考量,景区门票评价、投诉景区,景区的商品价格。根据评价指标的分析影响游客满意度,游客满意度评价模型的修正表所示7。
根据实验数据表7和图5中,我们可以得出这样的结论:结构性变量,游客有很强的正相关的感知质量与游客的满意度,和路径系数是0.805。在结构变量与观测变量之间的关系,在游客的感知质量,每个观测变量有很强的影响。以自然环境的预期负载系数为标准1,查看设备的负载系数(1.091)有更大的影响。自然环境的影响预期较强,相对自然环境预期等风景区环境容量(0.897),景区交通(0.869),风景优美的整体印象,(0.821)和景观特征相对较弱。在游客满意度方面,回顾(1.303),景区门票价格(1.153),和风景区理想评价(1.177)都有更多的影响比风景区商品价格(1.000)。
4.3。模型比较
为了验证游客满意度的性能分析模型基于结构方程模型,实验比较了该模型与其他三个模型来测试模型的优越性能。运行后的实验中,4种不同的模型实验,观察4模型的实验结果。其中,实验集是一组样品分别预留在模型训练过程中,可以用来调整模型的hyperparameters和执行的能力模型的初步评价。实验还记录了满意度评价误差曲线的四个模型进行比较。记录满意度评价的步骤错误比较曲线第一次使用数据挖掘技术的旅游满意度评价模型随机生成评估数据格式,然后随机生成旅游满意度。评估处理,游客满意度评价系数和综合评价向量计算,和游客满意度评价数据的复杂性是作为一个独立变量分析和计算评估错误值。具体的实验数据如下图6和7。
根据实验数据表8和9满意的测试结果分析,本文提出的基于结构方程模型是最高的在四个模型的准确率为98.12%,召回率达到98.56%,和一个F1值。传统的测试结果满意度分析模型四种模式中是最低的。实验结果还表明,结构方程满意度分析模型的性能是最好的。根据评估误差表的四个模型,我们可以得出结论,当游客满意度评价的复杂性数据小于30%,四个旅游满意度评价模型的评估错误都小于0.3点,但由于数据的复杂性,程度越来越高,其他三个模型的评估错误的旅游满意度评价模型正变得越来越大。当游客满意度评价数据的复杂性达到100%,最多评价误差达到0.8分,在本文提出的模型。误差基本控制在0.4,所以可以得出结论,基于结构方程的满意度评价模型可以减少旅游满意度的错误。
5。结论
快节奏的生活的背景下,出国旅游已逐渐成为人们放松的一种方式,享受生活。在旅行的过程中,游客也评估工作水平的游客,经典的旅游资源的质量、旅游感知经验。这是一个重要的参考指标,旅游目的地的竞争力和发展水平。本文以游客满意度指数的分析为研究对象,并使用结构方程模型分析旅游满意度的影响因素之间的关系和影响的程度,可以准确、有效地分析游客满意度指数的价值。也有一些缺点在本文的分析过程。例如,问卷调查的结果有区域限制。本文只对游客满意度进行问卷调查在一定的省份。实证分析的结论有明显特征的地狱。在研究工作中,可以深入理解个人因素,游客的旅游动机和消费行为。
数据可用性
使用的实验数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称,关于这项工作他们没有利益冲突。